China’s Statistical Programmers and AI What Actually Changed from 2023 to 2025
PHUSE AI Survey 2025 Results
本次调研追踪了中国临床统计编程人员在2023-2025年间对AI工具的使用变化、从业者对AI态度的转变,以及对未来的展望,揭示了这个快速发展领域的真实转变。
核心发现:
调研覆盖跨国药企、本土药企、CRO等多类型组织,受访者涵盖不同职级和经验层次,确保了数据的代表性和可靠性。
受访者主要来自跨国药企(MNC)在华机构(80人,66.7%),样本覆盖了跨国药企、本土药企、CRO等多种组织类型。
调研对象主要集中在中级/资深(49人,40.8%)和主管/组长(24人,20%)。其中,经理/负责人、总监及以上、主管/组长合计占比47.5%,说明样本中管理层和资深人员占比较高,他们的观点对团队AI应用决策具有重要影响力。
从业年限分布较为均衡,其中6-9年的受访者最多(49人,40.8%)。5年以上的受访者占比74.1%,说明样本以经验丰富的专业人员为主,他们对AI工具的评价更具深度和参考价值。
SAS是最常用的编程语言(116人,96.7%),使用率接近100%。其次是R(90人,75%),使用率明显上升。值得注意的是,近三成受访者在工作中也会使用Python(30.8%)。
肿瘤是受访者最常涉及的治疗领域(66人,55%),其次是免疫(59人,49.2%)。调研覆盖了多个治疗领域,具有广泛的代表性。
受访者的工作内容涵盖了统计编程的各个环节,从SDTM、ADaM到TLF的生成和QC,以及项目管理和团队管理等。其中有38.3%的受访者参与工具与宏/包开发与维护。
了解调研样本的组成结构,为后续AI变化趋势分析建立基线。
样本特征:
这些特征确保了样本对中国临床统计编程领域的广泛代表性。
大部分受访者在2025年经常或频繁使用AI工具(96人,80%)。其中,接近一半的受访者几乎每天使用AI(47.5%),说明AI已从辅助工具转变为日常工作的核心组成部分,深度融入统计编程工作流程。
受访者使用AI的任务类型多样,代码片段/脚本建议(105人,87.5%)和文档生成(92人,76.7%)是最常见的应用场景。
从2023年到2025年,受访者的AI使用频率呈现持续上升趋势,高频使用者(频繁+经常)占比从14.2%提升至80%,显示AI工具在统计编程领域的应用不断深化。
受访者感知到的AI效率提升幅度从2023年到2025年显著增长。平均效率提升从2023年的25.6%增长至2025年的55%,增幅达29.5个百分点,反映了AI工具在实际工作中的价值不断提升。
从2023年到2025年,公司AI使用政策逐步从无序走向规范。有正式且强制政策的公司占比显著上升,而无政策和不清楚的占比下降,说明企业对AI的管理趋于成熟和系统化。
DeepSeek是受访者最常用的AI模型(89人,74.2%),其次是ChatGPT系列(79人,65.8%)。值得注意的是,约三分之一的受访者使用公司自研AI平台/工具(33.3%),说明企业已开始积极布局AI基础设施,通过定制化工具满足数据安全和业务场景需求。
从不在AI工具中输入敏感数据是最主要的做法(76人,63.3%),显示受访者对数据安全的重视程度。
自学实践是最主要的学习渠道(73人,60.8%)。特别值得关注的是,接近一半的受访者通过公司内部培训学习AI(53.3%),这反映了企业对AI能力建设的重视,通过系统化培训推动团队AI技能提升。
直接描述需求,让AI生成完整代码是最常用的策略(81人,67.5%),其次是分步骤引导,逐步构建复杂逻辑(68人,56.7%)。
代码注释与文档生成被认为是AI表现最佳的任务(30人,28.3%)。另有12.3%的受访者认为AI在各任务上都表现一般。
生成的代码语法错误或无法运行是最常遇到的问题(82人,68.3%),其次是逻辑错误,结果看似合理但实际有误(78人,65%)。值得注意的是,在“认为AI编程表现都一般”的受访者中,逻辑错误问题占比高达76.9%,似乎“结果看似合理但实际有误”是更大的问题。
分步运行,检查中间结果是最常用的验证方法(32人,30.2%)。
随着任务复杂度增加,受访者对AI的信任程度呈现下降趋势,显示用户对AI处理复杂任务持谨慎态度。
词云展示了AI在实际工作中帮助解决的具体难题,如提高工作效率、快速解决代码问题、批量处理Excel、零基础制作网页等,体现了AI在复杂场景下的实用价值。
从2023到2025,中国临床统计编程领域AI应用实现了从试探到深度整合的跃迁。
使用频率与效率:AI使用频率持续攀升,高频用户占比显著增长,接近半数受访者几乎每天使用。感知到的效率提升幅度逐年增长,AI已从辅助工具转变为日常工作的核心组成部分。
政策与工具:企业AI使用政策逐步从无序走向规范,有正式政策的公司占比显著上升。工具选择呈现多元化,主流模型占据主导地位,约三分之一企业布局自研AI平台以满足数据安全和业务需求。
应用场景与策略:代码片段建议和文档生成是最常见应用场景。用户主要采用直接描述需求和分步骤引导两种策略。代码注释与文档生成被认为是AI表现最佳的任务,但部分用户认为整体表现一般。
挑战与信任:语法错误和逻辑错误是主要问题,逻辑错误在持保留态度的用户中尤为突出。手动测试运行是最常用的验证方法。用户对AI的信任程度随任务复杂度增加而下降,体现出理性的风险意识。
学习与成长:自我探索和公司内部培训是主要学习渠道,企业对AI能力建设的重视程度不断提升。真实案例显示AI在提升效率、降低门槛、解决复杂问题方面的实用价值。
从2023年到2025年,受访者对AI提升统计编程效率的认同度持续上升,同意者占比从28.3%提升至84.2%,显示AI在提升工作效率方面获得广泛认可。
从2023到2025年,受访者对”AI有助于减少低级错误”的认同度持续上升,同意者占比从35.8%提升到70.8%,显示AI在减少人为错误方面的价值获得认可。
从2023到2025年,受访者对”AI增加合规/审计风险”的认同度稳步上升,同意者占比从43.3%增长到60%,增幅16.7个百分点。这表明随着AI应用深入,行业对合规风险的认识更加清晰,但增幅相对温和。
受访者对”AI对初级岗位替代风险高”的认同度持续上升,反映出行业对AI技术替代基础工作的担忧在加深。
受访者对”AI有助于学习与知识传承”的认同度保持高位且稳定增长,显示AI在教育培训方面获得广泛认可。
受访者对”AI适合用于注册申报交付环节”的认同度逐年提升,表明行业对AI在关键业务环节应用的接受度在增强。
受访者对”AI输出需要严格人审/双编”的认同度始终保持在高位,说明质量控制意识深入人心,这是负责任使用AI的重要体现。
受访者对”AI在专业场景下更值得信任”的认同度稳步提升,反映出专业AI工具的可信度在增强。
受访者对”乐于向团队推广AI最佳实践”的认同度持续上升,同意者占比从58.3%提升到85%,显示受访者乐于分享和推广AI使用经验的意愿在增强。
受访者对”公司应加大AI培训与投入”的认同度持续上升,同意者占比从61.7%提升到81.7%,反映了受访者对企业AI投入和培训的强烈期待。
进一步增强生产力,形成行业刚需是受访者最主要的预期(29人,24.2%),反映了行业对AI未来发展的整体看法。值得注意的是,认为增加对人工统计编程的要求(20%)和减少对人工统计编程的需求(20.8%)的受访者各占约20%,形成鲜明对立,显示行业对AI影响的看法存在明显分歧。
数据安全与隐私合规风险被认为是最主要的制约因素(99人,82.5%),其次是AI输出的准确性与可信度不足(89人,74.2%)。这两大因素为AI工具的改进和推广指明了方向。
重复性高、标准化的编程任务是受访者最信任AI的情境(98人,81.7%),这反映了用户对AI应用场景的理性判断。
从2023到2025,中国统计编程人员对AI的态度经历了从观望到拥抱的深刻转变,同时保持理性和谨慎。
效率与质量认同:对AI提升统计编程效率的认同度持续上升,对AI有助于减少低级错误的认可度大幅增长,显示AI在提升工作效率和质量方面获得广泛认可。
风险与合规意识:对AI增加合规审计风险的认知稳步上升但增幅温和,对初级岗位替代风险的担忧持续加深,对AI输出需要严格人审双编的认同始终保持高位,体现出负责任使用AI的意识。
信任与应用场景:对AI在专业场景下更值得信任的认同度稳步提升,对AI适合用于注册申报交付等关键环节的接受度逐年增强,显示专业AI工具的可信度在增强。
学习与推广意愿:对AI有助于学习与知识传承的认同保持高位且稳定增长,乐于向团队推广AI最佳实践的意愿显著提升,对公司应加大AI培训与投入的期待持续上升。
未来影响预期:对AI未来影响的看法存在明显分歧,主流观点认为AI将成为行业刚需,但对人工编程需求的影响呈现对立观点。数据安全与隐私合规、AI输出准确性与可信度被认为是主要制约因素。用户倾向于在有明确标准和可验证结果的情境下更信任AI建议。
代码生成与优化被认为是最需要AI改进的环节(94人,78.3%),这为AI工具的优化方向提供了明确指引。
制定更明确的使用指南与边界, 建立最佳实践分享与交流机制是受访者最主要的政策建议(83, 83人,69.2, 69.2%),反映了用户对企业AI战略的期望。
更强的代码理解与生成能力被认为是最优先的功能需求(平均排序:1.92),其次是更准确的领域专用模型(平均排序:2.27)。值得注意的是,大部分受访者并不在意AI的使用成本。
用户对AI工具改进、企业政策和功能优先级提出了明确的期望和建议。
改进方向:用户明确指出了最需要AI改进的统计编程环节,为AI工具的优化方向提供了清晰指引。这些反馈具有较强的针对性,反映了实际工作中的痛点和需求。
政策期待:用户对公司AI政策提出了多方面建议,包括制定更明确的使用规范、加大培训和基础设施投入、建立最佳实践分享机制等,反映了对企业AI战略支持的强烈期待。
功能优先级:用户对AI功能的优先级有明确排序,更准确的领域专用模型和更强的代码理解生成能力是最优先的需求,其次是安全性与隐私保护。值得注意的是,大部分受访者并不在意AI的使用成本,说明功能和质量比价格更重要。
这些反馈为AI工具开发者和企业决策者提供了宝贵的方向指引,有助于推动AI在统计编程领域的健康发展。
感谢所有受访者完成问卷
感谢前期帮忙测试问卷的小伙伴
感谢帮忙转发的朋友们
您的参与和支持让这份调研报告得以完成
希望这份行业调研报告能为您的工作和决策提供有价值的参考